Разработчик искусственного интеллекта

— Расскажите, как давно вы программируете и почему именно искусственный интеллект привлек все ваше внимание? — Программирование не совсем мое направление, я больше занимаюсь научной деятельностью, и в некоторых проектах могу участвовать осуществляя больше идейную работу, не написав ни строчки кода. А так программировать тоже конечно умею, ну года 4 прошло как написал первую программу, очень тяжело далось на самом деле обучение именно программированию. Искусственный интеллект выбрал потому что сейчас идеальное время этим заниматься, да и начав, достаточно быстро так сказать поперли идеи

— Над чем работаете сейчас? — Моя деятельность полностью заключается в написании научных статей в области ИИ. Достаточно долгое время занимался применением существующих методов на практике, внося небольшие изменения в уже существующие методы. Сейчас сконцентрирован больше на теоретической деятельности, или на исследованиях, которые хоть как-то вносят что-то в ИИ, нежели в областях, в которых ИИ применяется. Сейчас 3 статьи пишу, все на разные темы. Одна про системы для порождения текста, другая про порождающие системы для изображений, третья про алгоритмы обучения с подкреплением.

— Вы работаете в группах или в одиночку, в плане придумывания идей и их проверки? — По-разному, у меня есть работы, которые я и в одиночку делал. Да и на конференциях бывают работы автором которой является один человек. Часто в авторы статьи добавляют так сказать пассажиров, людей, которые ничего не сделали по теме, но их добавили по-дружески, для взаимопомощи т.д. Я думаю, что если в авторах статьи вы видите 15 человек, то по-хорошему над ней работало человек 5 максимум. А так в целом да, группами по 2-3 человека мы работаем над идеями и их проверками.

Зарождение идеи в основном происходит в одиночку, кто-то придумал, кто-то подлил масло в огонь, кто-то еще что-то подправил, так и вырисовывается целостная картина. Кстати есть интересный момент, что идею могут подправить еще и ревьюеры, это совершенно случайные люди, которые занимаются проверкой научной работы, насколько она подходит или нет под критерии конференции, на которую они работают, выносят вердикт, говно ваша идея или нет, может или нет она быть опубликована на этой конференции. Они часто подсказыва��т какую-то интересную мысль, зачастую совершенно случайно.

Иногда даже бывает, что сырую работы, понимая, что она сырая, отправляют на конференцию чтоб послушать что скажут ревьюеры, так сказать отправляют им на доработку. Их в авторы как правило никто не добавляет, могут внизу подписать после публикации, что ревьюеры такой-то конференции помогли

— Что больше всего нравилось и больше всего не нравилось в практической работе в стартапе? Кстати стартап взлетел? — Правильнее будет сказать, что я работал над задачами которые были необходимы стартапу, от лица научной лаборатории в которой работал. Так что не могу судить о процессах внутри стартапа. Не скажу, что мне что-то прям не нравилось, просто были идеи, которые хотелось реализовать, а работая над их задачами времени на свои совсем не было

— Вы на этом что-нибудь зарабатываете или получаете финансирование? — Я научный сотрудник научной лаборатории, у меня есть зарплата фиксированная. Ранее работал со стартапом, занимался применением этого всего на практике. Как научный сотрудник финансирование дополнительно можно получить в зависимости от того насколько успешные были твои предыдущие работы. Есть гранты, есть премии, Гранты — это примерно, как тендеры, отправляешь заявку, говоришь нужны деньги, на какое-то исследование, предоставляешь доказательства что можешь выполнить работу и получаешь деньги. Таких грантов и премий можно много набрать, в итоге работать и над своими идеями, и получать нормальные деньги. Научная премия дается за предыдущие достижения, на просто так, тебе ничего делать на выделенные деньги не надо, по гранту надо отчитываться.

— Что нравится, а что нет в теоретической работе? — К теоретической работе я стремлюсь, до реальной теоретической научной работы в области ИИ мне ооочень далеко, да и в целом такие статьи я вижу редко. А так, мне больше нравится именно процесс работы, и то что шаги, которые осуществляются в исследовании имеют обоснование. Понимаете, на практике сегодня чтобы получить работающее решение на основе нейронных сетей, можно это решение собрать как конструктор, из каких-то готовых компонент, да, это решение может и будет иметь место здесь и сейчас. Но то что через 5 лет это исследование будет иметь актуальность — это очень маловероятно. Теория же такая штука, когда ты не изобретаешь что то, а открываешь, это меня вдохновляет. Минусов нет, меня сейчас все устраивает.

— В какой области у вас образование? Если вы до начала работы не особо разбирались в разработке и в математике, то какие ключевые факторы успеха помогли попасть сразу в научную деятельность? — У меня образование в области информационной безопасности. Мне в частности помогло то, что область, которую я начал изучать "обучение с подкреплением", была востребована и не было людей, которые в ней разбирались хорошо.

— Вас вдохновляет описать то, что будет реализовано спустя н-лет? Хотели бы что-то более практически-применимое описать? — Нет не совсем, меня вдохновляет, что шаг в исследовании который я делаю 100 процентов правильный. Как я уже говорил, базируясь не на теории, велика вероятность, что твой метод будет выброшен в урну несколько лет спустя.

— В каких направлениях вообще развивается изучение и разработка ИИ сегодня? — Уже лет 5-6 очень плотно развивается в сторону нейронных сетей, и их модификации. Последнее пару лет много вопросов касаемо математической трактуемости нейронных сетей, все больше работ, которые пытаются дать какую-то теорию, которая бы позволяла нам более четко понять, какая нейронная сеть под какую задачу нам нужна

— Чем принципиально отличаются нейронные сети от ИИ? — Искусственный интеллект — это штука очень общая, нейронные сети — это область внутри ИИ, это метод. Есть методы способные решать задачи основываясь не на нейронных сетях, а на каких-то математических методах. Я думаю если будут поняты основополагающие принципы интеллекта, реализовать их на машине можно будет и без нейронных сетей

— Какие возможности у нейронных сетей на сегодняшний день? Могут ли они уже, к примеру, рассчитать график и траекторию полетов гражданской авиации? — Если честно, плохо представляю для себя, как будет поставлена задача расчета полетов гражданской авиации. В плане, что необходимо тут решать. Расскажу, как мне кажется про аналогичную задачу с задачей расчета траектории проезжающей рядом машины, в случае с автопилотом. Нейронные сети в такой задаче хорошо справляются с детекцией автомобиля рядом, могут определить его характеристики, но предсказание того как поведет себя водитель проезжающей рядом машины с помощью нейронных сетей сложно.

Нейронная сеть определяет рядом машины, пешеходов и велосипедистов прекрасно, а вот с предсказанием их поведения большие трудности. Если эта задача будет решена, ждите автопилоты на дорогах уже завтра

— На какие рабочие места, условно говоря, скоро будет претендовать ИИ? Я хочу сказать, когда ждать те же автопилоты или полную автоматизацию производств? — Автопилоты 5 лет, мое мнение. Большая часть производства с технической точки зрения может примерно за такое же время, но тут много но. Заводы и производства очень медленно развиваются в этом направлении, до них это просто медленно доходит, данных нет на которых алгоритмы ИИ бы могли быть построены. Да и много этических проблем с этим связанных, это все тормозит процесс. Самолеты могли бы уже давно летать без пилотов, но люди к этому просто не готовы.

— Согласны ли вы с утверждением что историки хранят вчера, инженеры создают сегодня, а философы придумывают завтра? — Да, полностью согласен, уважаю философию. К сожалению большинство людей, которые занимаются ИИ и в целом находятся в ИТ, относятся к философии с пренебрежением, считают чушью. Я даже делал пост на reddit c вопросом почему философская статья обсуждающая вопрос понимания нейронных сетей была на форуме проигнорирована, а работа которая осуществляла генерацию anime girl обсуждалась очень буйно. Получил сотни дизлайков, и много комментариев, люди писали о том, что эта философская статья говно и так далее. Она может быть и действительно была не очень, но ее совсем проигнорировали, никто даже не попытался высказать свое мнение о ней в посте посвященному именно теме понимания нейронных сетей.

— Скайнет из терминатора возможен чисто теоретически? Если мы получим реально думающее существо превосходящее человека, то думаю что возможен.

— В этом направлении ведётся работа? — На сегодняшний день это очень амбициозно ставить перед собой такую задачу, очень вероятно что ничего не получится. Сегодня работа ведется больше в конкретных подобластях, а не над чем-то целостным. Одни методы описывают изображения, другие методы классифицируют текстовую информацию, третьи методы пытаются решить задачу создания новых изображений. Даже методы, которые, например, умеют играть в го, обучить их играть в шахматы, и чтобы метод не забыл, как играть в го, на сегодняшний день невозможно. Работы по увеличению запоминающих и обобщающих способностей методов ИИ конечно ведутся, но результаты показывают, что необходимо пересмотрение парадигмы, чтоб достичь такого результата. В ближайшие 5 лет думаю мы еще точно будем заниматься решением задач по отдельности.

— На сколько реально человеку из другой области, не связанной с разработкой, влиться сейчас в нейронные сети или ИИ? И принципиально ли уметь программировать, то есть на сколько высокий порог входа вообще? — Возможно, зависит от мотивации. Насчет от программирования, если в целом в ИИ вливаться то можно и не уметь программировать. Например, если полностью заниматься математикой или нейронаукой, или еще какой-то смежной областью. Найти людей, которые реализуют ваши идеи, если идеи действительно крутые думаю будет не сложно. Если же говорить про искусственные нейронные сети, то тут да, без программирования никак. Порог входа мне кажется не высокий, так как множество хорошо структурированных курсов, учебников, статей просто на форумах и т.д. Самую большую сложность вызовет математическая часть, но если заниматься практическим приложением можно даже особо не вникать, мыслить абстрактно, собирать решения как конструктор, не вникая в то что лежит в их основе.

— Какие области сейчас соответствуют таким критериям: востребованы и нет людей, которые хорошо разбираются? — Думаю и сейчас в области "обучения с подкреплением" Reinforcement Learning тоже людей в целом меньше чем в методах "обучения с учителем" Supervised Learning, а так еще бы выделил порождающие архитектуры, Generative Adversarial Nets к примеру, очень много материала про эти модели в интернете.

— Какие курсы можете порекомендовать для людей, которые не шарят в программировании и математике? Ну и где вообще почитать информацию более углубленно, чем-то что имеется в публичных СМИ, но так, чтобы было понятно. — Я начинал с обучения с подкреплением. Как основа думаю это очень интересно, из нее можно и в нейронные сети пойти и в математику, и в философию если заинтересует вопрос как таковой. На тот момент, когда начинал читать тоже не шарил ни в программировании, ни в математике, да и сейчас не шарю в той степени в которой хотелось бы.

Если разберетесь в базе, пройдя пару курсов на coursera.org, просто вбив в поиск artificial intelligence, то можно мониторить такие сервисы как arxiv-sanity.com, deeplearn.org

— В нашем интервью с научным сотрудником в сфере изучения ИИ, героиня рассказала забавную историю, с ИИ и оценкой загруженности станции (ИИ определял загруженность станции по часам, часы встали и вентиляция встала тоже). Вопрос, по какому принципу ИИ принимает решения, как ее способ мышления отличается от мышления человека? Может ли сегодня ИИ принимать решения, довольно абсурдные с нашей точки зрения? — Так это же потрясающе, что система обнаружила такую закономерность, нашла самый простой способ решения задачи. Для меня оно вовсе не абсурдное. Потому что мы не знаем по каким принципам система принимает решение мы и называем ее ИИ. В случае с обычной программой мы точно знаем, как прога должна себя повести. Тут мы даем примеры, того как эта задача решалась кем то, и ИИ пытается на их основе найти свод правил, который решает эту проблему, это ускоряет решение проблемы, поэтому ИИ так и популярен. От человеческого я думаю отличается принципиально. В первую очередь потому что человек принимает решение основываясь на огромном опыте всей своей жизни, даже если он изучает какую-то узкую область, то его предыдущий опыт помогает развиваться и в этой узкой области. ИИ же решает конкретно узкую поставленную задачу. Но тем не менее его решения не считаю абсурдными, чаще это просто недочеты разработчиков.

Хорошо обученная система при правильно поставленной задаче наоборот показывает очень интересные инсайды, если ИИ на что-то обращает внимание больше чем на остальное, об этом стоит задуматься

— Расскажите о ваших последних теориях. — Есть интересная математическая область она называется Optimal Transport. Использованием этой теории и применением ее для ИИ мы с коллегами собственно и занимаемся сейчас. Порождающие архитектуры не имеет за собой сегодня никакого теоретического обоснования, мы пытаемся делать методы ИИ, которые базируются на этой теории, и далее доказывать, что это может работать и при каких условиях это работает.

— Не могли бы вы как можно понятнее рассказать, о чем теория Optimal Transport? — Optimal Transport — это о том, как мы можем найти максимально правильный путь транспортировки некоторой массы. Впервые задача была поставлена французским математиком Гаспаром Монжем в 18 веке, как задача поиска оптимальной транспортировки кучи земли в яму. То есть необходимо понять, из какого участка кучи нам необходимо взять землю в какое место в яме нам необходимо эту землю переложить так, чтобы общая проделанная работа была минимальной. При этом, важно, что мы переносим землю кусками, а не сразу всю, так как эта куча предположим очень большая. Он это все формально записал. Далее это развивалось и было обобщено на вероятностные распределения, задачу транспортировки одного распределения в другое и так далее. сегодня задача, например, создания картинки с помощью ИИ может быть рассмотрена примерно так же. Транспортируем из одно распределения в другое, где одно распределение — это некоторый шум, абсолютно не структурированные картинки, черно белые точки, а второе это некоторые изображения к примеру фотографии каких-то животных. Вот если мы с помощью поиска теории оптимального транспорта получим такую нейронную сеть, которая из шума получает картинку, вот тебе и порождающая архитектура, имеющая за собой какую-то теорию.

— Что вы думаете о перспективах цифрового бессмертия? Даже не о перспективах, скорее о самой идее. — На самом деле очень мало рассуждал и думал контрено на эту тему, мое мнение на этот счет будет очень поверхностным. Думаю, смысл в этом однозначно есть. Вот ранее был вопрос о скайнете, ну вот одним из возможных решений проблемы будет постепенный симбиоз с машиной, а затем и полная оцифровка.

— Как вы считаете, человечество пойдет по этому пути или же скорее будет строить сферы Дайсона и покорять космос? Или одно другому не мешает? — Сферы Дайсона сложнейший проект, и в целом покорение космоса, так что думаю, что одно другому наоборот помогает. В плане симбиоза я имею ввиду, и развития направлений. Финально к чему человечество придет предсказать очень сложно, опять-таки не думал об этом, но я больше за первый путь.

— Можно ли внедрить ИИ инстинкт самосохранения и каковы возможности ИИ к творчеству в будущем? — Я думаю это сегодня уже внедрено. И творчество в ИИ тоже уже присутствует.

Понимаете, это вопрос того как мы определяем инстинкт самосохранения, если мы говорим о каких-то чувствах, то да чувства именно в том представлении которое есть у нас мы им передать не можем. Но если мы посмотрим на инстинкт самосохранения как на некоторый механизм оценки качества ситуации, оценки того насколько окружающая ситуация угрожает жизни, то это в ИИ уже есть и давно. Просто выражается не некоторым чувством, а некоторым числом, которое говорит в насколько хорошей или плохой ситуации находится ИИ. В обучении с подкреплением это все четко прописано, просто часто исследователи люди скромные и боятся строить такие аналогии, в своих статьях и книгах.

Насчет творчества, тоже я считаю вполне. Смотрите, с точки зрения нейробиологии процесс воображения разделен на imagery, и imagination.

Imagery это визуальные образы какого-то объекта просто из памяти, мы его уже где-то видели. Imagination — это визуальные образы объекта которого мы ранее не видели

Так вот есть исследования, которые говорят, что imagination — это особая форма imagery, в которой визуальные образы из памяти просто некоторым хитрым образом друг на друга. Есть исследования, которые показывают, что одни и те-же зоны мозга активируются при этих процессах и так далее. А такое как imagery в ИИ уже изобретено, и работает, просто опять-таки почему-то люди об этом мало говорят и редко пишут в своих работах, может просто не читали и не знают. Тут совсем рядом лежит и философский вопрос о том существует ли творчество в принципе, как создание чего-то нового.

— Развейте популярное заблуждение обывателя о ИИ. — Хм, скорее не заблуждение, а неточность. Хочу сказать, что определение Искусственный Интеллект в целом считаю неправильным. Машинный Интеллект считаю более верным выражением. Я думаю, что интеллект не может быть искусственным, он просто есть, как нечто целостное и не важно где он воспроизведен, на компьютере или у человека, или где-то еще во вселенной, он будет базироваться на единых принципах, будет меняться только платформа, на которой он реализован. Машинный Интеллект звучит корректнее, как интеллект реализованный на машине.

— Как вы думаете, какие открытия в области ИИ и его внедрения в повседневную жизнь ждут нас в ближайшем будущем? Может быть это что-то неожиданное, связанное с медициной? — Здесь скорее всего все достаточно предсказуемо, системы по обработке естественного языка, переводчики, диалоговые системы будут развиваться, к обработке и трюкам с фото добавятся такие же трюки с видео, те же автопилоты скоро появятся на дорогах. В медицине все тоже предсказуемо, но пока боятся внедрять повсеместно, хорошие результаты модели детекции заболеваний и там показывают, но медицина вещь трепетная, люди пока не доверяют диагноз машине. Скорее всего все внедрения будут происходить очень плавно и постепенно, чтобы никого не спугнуть. Какого-то неожиданного скачка думаю не будет.